• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于機(jī)器閱讀理解的案件要素識別方法

    2023-09-13 03:14:38竇文琦陳艷平秦永彬黃瑞章劉麗娟
    計算機(jī)工程與設(shè)計 2023年8期
    關(guān)鍵詞:注意力標(biāo)簽要素

    竇文琦,陳艷平,秦永彬+,黃瑞章,劉麗娟

    (1.貴州大學(xué) 計算機(jī)科學(xué)與技術(shù)學(xué)院 公共大數(shù)據(jù)國家重點(diǎn)實(shí)驗(yàn)室,貴州 貴陽 550025;2.貴州師范學(xué)院 麗瓊工作室,貴州 貴陽 550018)

    0 引 言

    在大數(shù)據(jù)和人工智能發(fā)展的背景下,智慧司法研究領(lǐng)域興起并日趨火熱,類案推薦、刑期預(yù)測、信息抽取等自動化研究成為了該領(lǐng)域的熱點(diǎn)研究方向。隨著我國司法機(jī)關(guān)不斷推進(jìn)案件信息公開,海量的裁判文書得以出現(xiàn)在互聯(lián)網(wǎng)上,這些裁判文書蘊(yùn)含了豐富的信息,對其進(jìn)行挖掘?qū)a(chǎn)生巨大的價值。案件要素識別作為司法信息抽取任務(wù)中一部分,為量刑、罪名預(yù)測等任務(wù)提供信息支撐。

    以盜竊案為例,從“外衣口袋內(nèi)”這一關(guān)鍵信息可以推斷出被告存在扒竊的盜竊行為;“如實(shí)供述”表示被告認(rèn)罪態(tài)度好;“曾因犯盜竊罪”說明被告屬于累犯。這些包含重要信息的案件要素可以決定案件性質(zhì)、左右被告人量刑。案件要素在裁判文書中有多種不同的表現(xiàn)形式,使用人工查找的方式耗時耗力。因此,使用深度學(xué)習(xí)模型輔助司法工作顯得尤為重要。

    針對案件要素識別的研究存在以下幾個難點(diǎn):傳統(tǒng)的案件要素識別方法主要通過裁判文書中的文本特征預(yù)測案件要素的標(biāo)簽類別,忽略了案件要素標(biāo)簽的司法語義信息;在裁判文書中,某些案件要素在裁判文書中的出現(xiàn)次數(shù)相對較少,導(dǎo)致模型無法充分學(xué)習(xí)到小樣本的特征,很難從中提取規(guī)律。針對以上問題,本文提出了一種基于機(jī)器閱讀理解的案件要素識別方法,主要研究工作如下:

    (1)本文方法將案件要素標(biāo)簽信息作為先驗(yàn)知識輔助模型進(jìn)行案件要素的識別。針對每類案件要素進(jìn)行案件要素標(biāo)簽信息與上下文的語義交互,使模型充分學(xué)習(xí)到小樣本中的語義特征,提高了模型的整體性能。

    (2)本文針對裁判文書中文字書寫歧義問題,使用對抗訓(xùn)練策略。在模型的詞嵌入部分應(yīng)用對抗擾動,提升了模型應(yīng)對噪聲樣本的魯棒性。

    1 相關(guān)工作

    近年來,隨著神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的發(fā)展,越來越多的學(xué)者開始將其用于相關(guān)要素的識別任務(wù)中。如鄧文超[1]使用深度學(xué)習(xí)方法對單人單罪的刑事案件識別時間、地點(diǎn)、影響、行為等基本案件要素,并應(yīng)用于自動量刑、相關(guān)法律條文預(yù)測和相似案件推薦等司法任務(wù)中。劉等[2]提出多任務(wù)學(xué)習(xí)模型,對案情描述部分采用BiLSTM神經(jīng)網(wǎng)絡(luò)和注意力機(jī)制進(jìn)行編碼,識別法條和罪名要素。使用文本分類方法進(jìn)行案件要素識別的模型有Att-BiLSTM、TextCNN、FastText、DPCNN[3]等。為了進(jìn)一步提升要素識別的效果,Liu等[4]采用基于BERT[5]的預(yù)訓(xùn)練語言模型將案件要素識別問題轉(zhuǎn)化為多標(biāo)簽分類任務(wù),加入Layer-attentive策略微調(diào),提升了案件要素識別的性能。Huang等[6]提出了SS-ABL框架,充分利用領(lǐng)域知識和未標(biāo)記數(shù)據(jù)改進(jìn)分類器。與以前僅用單一信息的方法相比,實(shí)現(xiàn)了顯著的性能改進(jìn)。

    近年來,基于深度學(xué)習(xí)的機(jī)器閱讀理解方法受到了廣泛的關(guān)注。機(jī)器閱讀理解是指根據(jù)給定的問題,從文本中找到答案。Wan等[7]提出了一種新的基于Transformer的方法,能夠識別段落的相關(guān)性并通過具有級聯(lián)推理的聯(lián)合訓(xùn)練模型找到答案范圍,可以有效地處理長文檔。Li等[8]提出了一種多任務(wù)聯(lián)合訓(xùn)練方案,通過增強(qiáng)預(yù)訓(xùn)練語言模型的表示來優(yōu)化閱讀理解模塊,并通過膠囊網(wǎng)絡(luò)優(yōu)化答案類型分類模塊,設(shè)計了一個多任務(wù)聯(lián)合訓(xùn)練模型,同時獲取答案文本和答案類型。越來越多的學(xué)者將信息抽取任務(wù)轉(zhuǎn)化為機(jī)器閱讀理解方法,例如實(shí)體關(guān)系抽取[9,10]、事件抽取[11]、命名實(shí)體識別[12,13]等。Li等[9]使用機(jī)器閱讀理解方法處理命名實(shí)體識別任務(wù),在嵌套和非嵌套的NER上都表現(xiàn)出了良好的性能。Gupta等[14]提出了一種新穎的名詞短語生成方法構(gòu)造輸入問句,使用機(jī)器閱讀理解模型從句子中識別實(shí)體,并證實(shí)了模型的有效性。劉等[15]借助機(jī)器閱讀理解方法,引入先驗(yàn)知識,充分挖掘上下文的語義信息,提高了中文命名實(shí)體識別的精確性。

    注意力機(jī)制在機(jī)器閱讀理解模型中的運(yùn)用比較廣泛,許多模型都是針對這一部分進(jìn)行改進(jìn)的。Shen等[16]在注意力機(jī)制層將問題和上下文匯總為單個特征向量。Yu等[17]發(fā)現(xiàn)BiDAF注意力考慮了文本到問題以及問題到文本的雙向注意力,它比簡單地使用從文本到問題的單向注意力效果更好。受此啟發(fā),本文方法采用BiDAF注意力策略,以便更好地進(jìn)行案件要素標(biāo)簽信息與上下文之間的語義交互。

    2 模 型

    本文方法中案件要素識別模型主要分為3個部分,如圖1所示,從左到右依次為嵌入層、交互層和預(yù)測層。①在嵌入層,使用FGM算法在word embedding部分添加對抗擾動,將對抗樣本和原始樣本混合一起訓(xùn)練模型以提升模型應(yīng)對噪聲樣本的魯棒性。案件要素標(biāo)簽信息構(gòu)建的問題與文本以拼接的形式進(jìn)行輸入。②在交互層,使用RoBERTa預(yù)訓(xùn)練語言模型以增強(qiáng)問題和文本的語義表征。通過雙向注意力從兩個方向出發(fā)為上下文和案件要素標(biāo)簽信息的交互提供補(bǔ)充信息。③在預(yù)測層,通過一層全連接網(wǎng)絡(luò)和softmax函數(shù)最終識別案件要素。

    2.1 數(shù)據(jù)預(yù)處理

    此節(jié)通過數(shù)據(jù)預(yù)處理構(gòu)建符合閱讀理解的輸入形式。給定一篇裁判文書

    P={P1,P2,…,Pn}

    (1)

    其中,n表示文本P的長度。給P中所有的案件要素分配一個標(biāo)簽y∈Y,Y是所有標(biāo)簽種類(如案件要素標(biāo)簽again累犯,surrender自首等)的預(yù)定義列表。

    首先將帶標(biāo)簽的數(shù)據(jù)集轉(zhuǎn)換為三元組(問題,答案,上下文)的形式。每個案件要素標(biāo)簽y∈Y都與一個問題相對應(yīng),問題表示為

    Qy={Q1,Q2,…,Qm}

    (2)

    其中m表示問題Qy的長度。三元組(問題,答案,上下文)中每個“問題”與案件要素標(biāo)簽y∈Y相對應(yīng),“答案”即是案件要素存在與否,記為A,“上下文”代表一篇裁判文書P。最終表示為三元組 (Qy,A,P) 的形式,向模型輸入Qy、P,期望輸出A。

    使用案件要素標(biāo)簽信息進(jìn)行問題的構(gòu)造,案件要素標(biāo)簽信息根據(jù)量刑規(guī)則制定。問題統(tǒng)一設(shè)為表1的形式。

    表1 問題構(gòu)建

    2.2 嵌入層

    模型的輸入包括問題Qy、裁判文書P、特殊符號[CLS]和[SEP],它們組成輸入序列

    {[CLS],Q1,Q2,…,Qm,[SEP],P1,P2,…,Pn,[SEP]}

    (3)

    如圖2所示,對于序列中的每一個token,其輸入表示是詞嵌入(token embeddings)、段嵌入(segment embeddings)和位置嵌入(position embeddings)三者的相加[5]。詞嵌入層將各個token轉(zhuǎn)換為768維的向量表示;段嵌入層用兩種向量表示,輔助區(qū)分Qy和P兩部分,第一個向量中各個token用0表示,第二個向量中各個token用1表示;位置嵌入層通過在每個位置上學(xué)習(xí)一個向量表示進(jìn)行序列順序信息的編碼。

    圖2 模型輸入表示

    2.3 交互層

    本層使用RoBERTa[18]模型作為編碼器,結(jié)構(gòu)與BERT[5]一致。RoBERTa[18]是一種經(jīng)過預(yù)訓(xùn)練的深度雙向Transformer模型,可在各種任務(wù)中實(shí)現(xiàn)先進(jìn)的性能,結(jié)構(gòu)如圖3所示。

    圖3 RoBERTa結(jié)構(gòu)

    圖3中的TN代表第N個字符經(jīng)過RoBERTa網(wǎng)絡(luò)輸出的語義字符向量,Trm代表Transformer。每一層的輸入都是基于上一層的輸出,第i層的輸出可以表示為

    Hi=TransformerBlock(Hi-1),1

    (4)

    其中,Hi∈Rt×d,t為序列長度,d為隱層維度,L表示Transformer層數(shù)。

    在注意力交互部分,使用Q∈Rm×d和P∈Rn×d來分別表示編碼的問題和上下文。首先計算每對Q和P的相似性,相似矩陣表示為S∈Rn×m。其中Snm表示第n個上下文詞和第m個問題詞的相似性,此處使用的相似度函數(shù)為[17]

    α(p,q)=W0[p;q;p⊙q]

    (5)

    (6)

    其次計算從上下文到問題(P2Q)以及問題到上下文(Q2P)兩個方向的注意力。

    P2Q注意力表示哪些問題詞與每個上下文詞最相關(guān)。P2Q注意力如圖4所示,構(gòu)造如下:

    圖4 P2Q注意力

    通過應(yīng)用softmax函數(shù)對相似矩陣S的每一行進(jìn)行歸一化,第n個上下文詞對問題詞的注意力權(quán)重an計算為

    (7)

    對于所有n,Σanm=1。 每個上下文關(guān)注的問題向量為

    =∑manmQ

    (8)

    Q2P注意力表示哪些上下文詞與每個問題詞最相關(guān)。Q2P注意力構(gòu)造如下:

    通過函數(shù)maxcol找出相似矩陣S每一列的最大值并進(jìn)行歸一化。問題詞對上下文詞的注意力權(quán)重b計算為

    b=softmax(maxcol(S))∈Rn

    (9)

    問題關(guān)注的上下文向量為

    =∑nbnP∈Rd

    (10)

    (11)

    β(p,,)=[p;;p⊙;p⊙]∈Rn×3d

    (12)

    上一層通過雙向注意力交互生成的表示矩陣E經(jīng)過解析層得到最終的語義表征E’,輸入到預(yù)測層進(jìn)行預(yù)測。

    2.4 預(yù)測層

    在預(yù)測層,通過預(yù)測答案類型來判斷案件要素是否存在。將特殊符號[CLS]表示hCLS作為序列的整體表示,被傳遞到一個全連接層以計算概率分布,進(jìn)而表示答案類型

    Ptype=softmax(FFN(hCLS))

    (13)

    其中,hCLS為特征向量,F(xiàn)FN表示全連接層,softmax表示層歸一化。

    使用Focal Loss作為損失函數(shù),答案類型損失定義如下

    L=FocalLoss(ptype,Y)

    (14)

    其中,Y為答案類型標(biāo)簽。

    2.5 對抗訓(xùn)練

    GAN之父Goodfellow首先提出對抗訓(xùn)練概念,其基本原理為在原始輸入樣本上添加擾動radv,得到一些對抗樣本,然后將對抗樣本放在模型中進(jìn)行訓(xùn)練。這樣不僅可以提高對抗樣本的魯棒性,還可以提高原始樣本的泛化性能。起初的對抗訓(xùn)練是針對CV任務(wù)的,為了將對抗訓(xùn)練遷移到NLP任務(wù)中,Goodfellow提出了FGM算法,F(xiàn)GM算法可以在連續(xù)的embedding上做擾動。本文方法使用FGM算法進(jìn)行對抗訓(xùn)練,將對抗擾動應(yīng)用于詞嵌入(word embedding)。設(shè)詞嵌入向量為S,模型參數(shù)為θ,給定模型的條件概率為p(y|S;θ)。 則S上的對抗性擾動radv定義為

    radv=-∈g/g2

    (15)

    (16)

    3 實(shí)驗(yàn)及結(jié)果分析

    3.1 數(shù)據(jù)集

    本文的數(shù)據(jù)集來自裁判文書網(wǎng),包含某省的脫敏裁判文書數(shù)據(jù)。在所有案件中盜竊案占了相當(dāng)大的比例,因此選用917篇盜竊案裁判文書作為實(shí)驗(yàn)數(shù)據(jù)集,表2詳細(xì)描述了相關(guān)案件要素的統(tǒng)計信息。

    表2 數(shù)據(jù)集相關(guān)信息

    3.2 評價指標(biāo)

    評價指標(biāo)準(zhǔn)確率(Precision)、召回率(Recall)、F1值(F1-score)的計算方式如下

    precision=TPTP+FP

    (17)

    recall=TPTP+FN

    (18)

    F1=2*recall*precisionrecall+precision

    (19)

    其中,TP表示正確預(yù)測為正例,F(xiàn)P表示錯誤預(yù)測為正例,F(xiàn)N表示錯誤預(yù)測為負(fù)例。

    3.3 實(shí)驗(yàn)設(shè)置

    本文模型采用Python平臺,PyTorch 框架實(shí)現(xiàn),在NVIDIA Tesla P40 GPU平臺上進(jìn)行實(shí)驗(yàn)。批處理大小batch_size=16,訓(xùn)練輪數(shù)epoch=10,學(xué)習(xí)率learning_rate=2e-5,權(quán)重衰減指數(shù)weight_decay=0.01,最大總輸入序列長度max_seq_length設(shè)為512,問題最大長度max_question_length設(shè)為64,答案最大長度max_answer_length設(shè)為55,優(yōu)化器使用AdamW優(yōu)化器。

    3.4 實(shí)驗(yàn)結(jié)果及分析

    3.4.1 對比實(shí)驗(yàn)

    將本文模型與案件要素識別常用的多標(biāo)簽分類模型作對比,模型分為無預(yù)訓(xùn)練和有預(yù)訓(xùn)練兩類,實(shí)驗(yàn)結(jié)果選取3次實(shí)驗(yàn)的平均值。

    (1)無預(yù)訓(xùn)練模型選擇Att-BiLSTM、TextCNN、FastText、DPCNN[3]。其中,Att-BiLSTM是基于attention機(jī)制的雙向LSTM神經(jīng)網(wǎng)絡(luò)模型;TextCNN是用來做文本分類的卷積神經(jīng)網(wǎng)絡(luò);FastText能取得與深度網(wǎng)絡(luò)相媲美的精度,卻在訓(xùn)練時間上比深度網(wǎng)絡(luò)快許多數(shù)量級;DPCNN用來解決TextCNN在捕獲長距離特征時不理想的問題;

    (2)有預(yù)訓(xùn)練模型選擇BERT[5]、ERNIE[19]、RoBERTa[18]、SS-ABL[6]。其中,BERT是Google提出的基于Transformer的預(yù)訓(xùn)練模型,下游多標(biāo)簽分類任務(wù)采用微調(diào)方法;ERNIE在BERT的基礎(chǔ)上采用短語和實(shí)體級別的mask;RoBERTa在BERT的基礎(chǔ)上使用更大的數(shù)據(jù)再次訓(xùn)練,改進(jìn)優(yōu)化函數(shù),采用動態(tài)mask方式訓(xùn)練模型;RoBERT+Seq2Seq_Attention是指用RoBERTa提取文本特征,用Seq2Seq_Attention框架進(jìn)行標(biāo)簽的識別;SS-ABL使用反繹學(xué)習(xí)方法實(shí)現(xiàn)基于BERT模型的案件要素識別。

    本文的模型和其它模型在同一數(shù)據(jù)集下識別效果見表3,從實(shí)驗(yàn)結(jié)果可以看出,使用預(yù)訓(xùn)練模型比不使用預(yù)訓(xùn)練模型的效果要好,其中RoBERTa預(yù)訓(xùn)練模型表現(xiàn)最為出色,因?yàn)轭A(yù)訓(xùn)練方法可以讓模型基于一個更好的初始狀態(tài)進(jìn)行學(xué)習(xí),從而達(dá)到更好的性能。相比無預(yù)訓(xùn)練的多標(biāo)簽分類方法,本文方法提升了12.2%,相比有預(yù)訓(xùn)練的多標(biāo)簽分類方法,本文方法提升了3.2%。與對比方法相比較,本文方法在預(yù)訓(xùn)練模型RoBERTa的基礎(chǔ)上使用了機(jī)器閱讀理解方法,通過案件要素標(biāo)簽信息構(gòu)造的問題為模型的識別提供了輔助作用;通過雙向注意力機(jī)制進(jìn)行問題與上下文語義的進(jìn)一步交互,使模型更加關(guān)注于問題指示的上下文信息;通過對抗訓(xùn)練進(jìn)一步提高了模型的魯棒性,使模型在案件要素識別任務(wù)上有更好的效果。

    表3 模型性能對比/%

    3.4.2 消融實(shí)驗(yàn)

    為了驗(yàn)證本文方法各模塊的有效性,我們對模型進(jìn)行了消融實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果見表4。MRC表示使用機(jī)器閱讀理解方法,Attention表示加入雙向注意力機(jī)制,AT表示對模型使用對抗訓(xùn)練,F(xiàn)Loss表示使用Focal Loss損失函數(shù)。

    表4 模型消融實(shí)驗(yàn)/%

    RoBERTa預(yù)訓(xùn)練模型為消融實(shí)驗(yàn)的基準(zhǔn)模型。

    RoBERTa+MRC在基準(zhǔn)模型RoBERTa的基礎(chǔ)上使用了機(jī)器閱讀理解方法,F(xiàn)1值提升了3.3%。因?yàn)楸疚氖褂玫臋C(jī)器閱讀理解模型在輸入文本前加入了案件要素標(biāo)簽信息即案件要素類型的描述信息,這些案件要素類型的描述作為先驗(yàn)知識提升了模型的識別效果。

    RoBERTa+MRC+Attention在RoBERTa+MRC的基礎(chǔ)上增加了雙向注意力機(jī)制,F(xiàn)1值提升了0.2%。經(jīng)過RoBERTa模型之后使用雙向注意力機(jī)制進(jìn)一步融合上下文和問題之間的交互信息,使模型更加關(guān)注于與問題有關(guān)的上下文語義表征,進(jìn)而提升識別效果。

    RoBERTa+MRC+Attention+AT在RoBERTa+MRC+Attention的基礎(chǔ)上對模型加入了對抗訓(xùn)練,F(xiàn)1值提升了1.1%。使用對抗訓(xùn)練中的FGM算法在word embedding部分應(yīng)用對抗擾動,可以提高模型在應(yīng)對噪聲樣本的魯棒性。

    RoBERTa+MRC+Attention+AT+Focal Loss在RoBERTa+MRC+Attention+AT的基礎(chǔ)上使用Focal Loss損失函數(shù),F(xiàn)1值提升了0.2%。Focal Loss損失函數(shù)降低了大量簡單負(fù)樣本在訓(xùn)練中所占的權(quán)重,可以更好地挖掘困難樣本。

    3.4.3 細(xì)粒度實(shí)驗(yàn)

    為了驗(yàn)證本文方法在應(yīng)對小樣本案件要素情況下的表現(xiàn),用本文方法與對比實(shí)驗(yàn)中的RoBERTa基線模型進(jìn)行細(xì)粒度對比,進(jìn)一步輸出每種案件要素的細(xì)粒度結(jié)果。實(shí)驗(yàn)結(jié)果見表5,本文方法在屬于案件要素類別young、surrender的小樣本數(shù)據(jù)上分別提升了5.5%和10.3%。例如,屬于surrender類別的案件要素在裁判文書中表現(xiàn)形式多樣,在數(shù)據(jù)樣本量較少的情況下僅通過學(xué)習(xí)裁判文書的文本特征很難進(jìn)行有效識別。本文使用的機(jī)器閱讀理解方法通過在輸入文本前拼接案件要素標(biāo)簽信息,獲得了一定的先驗(yàn)知識,使得模型充分學(xué)習(xí)到所要識別的案件要素特征。因此,本文使用的機(jī)器閱讀理解方法對小樣本案件要素的識別效果有所提高,可以有效改善樣本不均衡問題。

    表5 細(xì)粒度實(shí)驗(yàn)F1/%

    3.4.4 對抗訓(xùn)練對模型魯棒性的影響

    為了驗(yàn)證對抗訓(xùn)練對模型魯棒性的影響,本小節(jié)將擾動參數(shù)∈設(shè)1.0,對比了模型在加入對抗訓(xùn)練和不加對抗訓(xùn)練的效果,實(shí)驗(yàn)結(jié)果見表6。

    表6 對抗訓(xùn)練對模型的影響/%

    實(shí)驗(yàn)結(jié)果表明,對抗訓(xùn)練在對大部分的案件要素類別的識別上都有一定的提升。與不加對抗訓(xùn)練時的模型相比,加入對抗訓(xùn)練后的F1值整體提升了1.1%。這說明在原有模型訓(xùn)練過程中注入對抗樣本,可以提升模型對微小擾動的魯棒性,進(jìn)而提升模型的整體性能。

    3.4.5 Focal Loss對模型的影響

    為了驗(yàn)證Focal Loss對模型性能的影響,在本文方法的基礎(chǔ)上分別選用CE Loss和Focal Loss兩種損失函數(shù)進(jìn)行比較。實(shí)驗(yàn)結(jié)果見表7,可以看出使用Focal Loss的效果更好。

    表7 Focal Loss對模型的影響/%

    雖然CE Loss可以平衡正負(fù)樣本的重要性,但是不能區(qū)分難易樣本,F(xiàn)ocal Loss可以降低易區(qū)分樣本的權(quán)重,并關(guān)注難區(qū)分樣本的訓(xùn)練。Focal Loss在CE Loss的基礎(chǔ)上添加了調(diào)制因子,其中的參數(shù)γ∈[1,5] 取值對模型的影響見表8。從實(shí)驗(yàn)結(jié)果可以看出,γ取值為2時效果最好,我們選擇γ取值為2時的Focal Loss作為本文模型的損失函數(shù),使模型達(dá)到最佳表現(xiàn)。

    表8 選取Focal Loss中不同γ值的影響/%

    4 結(jié)束語

    本文提出了一種基于機(jī)器閱讀理解的案件要素識別方法,利用案件要素標(biāo)簽信息構(gòu)造問題輔助模型識別。使用RoBERTa預(yù)訓(xùn)練語言模型增強(qiáng)問題和上下文的語義表征,通過雙向注意力機(jī)制更好地融合問題到上下文以及上下文到問題的語義信息。實(shí)驗(yàn)結(jié)果表明,本文方法可以有效改善小樣本案件要素的識別性能。同時,本文采用的對抗訓(xùn)練FGM算法進(jìn)一步提升了模型的魯棒性。

    在未來工作中,我們將進(jìn)一步識別更多類別的案件要素,并將其應(yīng)用到法律判決預(yù)測的真實(shí)場景中。

    猜你喜歡
    注意力標(biāo)簽要素
    讓注意力“飛”回來
    掌握這6點(diǎn)要素,讓肥水更高效
    無懼標(biāo)簽 Alfa Romeo Giulia 200HP
    車迷(2018年11期)2018-08-30 03:20:32
    不害怕撕掉標(biāo)簽的人,都活出了真正的漂亮
    海峽姐妹(2018年3期)2018-05-09 08:21:02
    觀賞植物的色彩要素在家居設(shè)計中的應(yīng)用
    論美術(shù)中“七大要素”的辯證關(guān)系
    “揚(yáng)眼”APP:讓注意力“變現(xiàn)”
    傳媒評論(2017年3期)2017-06-13 09:18:10
    A Beautiful Way Of Looking At Things
    標(biāo)簽化傷害了誰
    也談做人的要素
    山東青年(2016年2期)2016-02-28 14:25:36
    母亲3免费完整高清在线观看| 亚洲欧美日韩卡通动漫| 久久久久久人人人人人| 小说图片视频综合网站| 国产成人av激情在线播放| 一区二区三区免费毛片| 90打野战视频偷拍视频| 神马国产精品三级电影在线观看| 欧美日本视频| 99久久综合精品五月天人人| 一个人观看的视频www高清免费观看| 久久久久久久久大av| 国产午夜福利久久久久久| 韩国av一区二区三区四区| 精品人妻一区二区三区麻豆 | 欧美日韩亚洲国产一区二区在线观看| 成人午夜高清在线视频| 他把我摸到了高潮在线观看| 午夜免费成人在线视频| 日本黄色视频三级网站网址| 亚洲va日本ⅴa欧美va伊人久久| 国产精品永久免费网站| 老司机午夜十八禁免费视频| 欧美黑人巨大hd| 亚洲av电影在线进入| 在线免费观看的www视频| 亚洲美女黄片视频| 三级国产精品欧美在线观看| 免费看光身美女| 午夜免费男女啪啪视频观看 | 久久久久九九精品影院| 在线免费观看的www视频| 国产精品久久久人人做人人爽| 午夜福利欧美成人| aaaaa片日本免费| 日本一二三区视频观看| 九色成人免费人妻av| 国产精品免费一区二区三区在线| 麻豆成人av在线观看| 三级毛片av免费| 99久久无色码亚洲精品果冻| 日韩欧美一区二区三区在线观看| 看片在线看免费视频| 精品熟女少妇八av免费久了| 亚洲内射少妇av| 人人妻人人澡欧美一区二区| 中文资源天堂在线| 亚洲人成网站在线播| 男人的好看免费观看在线视频| 日本精品一区二区三区蜜桃| 啦啦啦免费观看视频1| 在线观看免费视频日本深夜| 亚洲天堂国产精品一区在线| 国产亚洲欧美98| 淫秽高清视频在线观看| 欧美在线黄色| 手机成人av网站| 人妻丰满熟妇av一区二区三区| 99在线视频只有这里精品首页| www.999成人在线观看| 免费看a级黄色片| 激情在线观看视频在线高清| 国产精品一区二区免费欧美| 三级毛片av免费| 国产免费男女视频| 久久人妻av系列| 午夜激情福利司机影院| 老鸭窝网址在线观看| 免费高清视频大片| 一级a爱片免费观看的视频| 精品一区二区三区视频在线观看免费| 99精品在免费线老司机午夜| 午夜激情欧美在线| 亚洲精品影视一区二区三区av| 十八禁网站免费在线| 亚洲美女黄片视频| 国产精品国产高清国产av| 亚洲人成网站在线播| 最后的刺客免费高清国语| 亚洲片人在线观看| 老司机在亚洲福利影院| 国产成人影院久久av| 麻豆国产97在线/欧美| 最好的美女福利视频网| 韩国av一区二区三区四区| 亚洲人成网站高清观看| 国产精品亚洲av一区麻豆| 嫁个100分男人电影在线观看| 国产亚洲欧美在线一区二区| 国产真人三级小视频在线观看| 国产精品99久久99久久久不卡| 国产av麻豆久久久久久久| 性欧美人与动物交配| 日韩欧美精品免费久久 | 免费看十八禁软件| 2021天堂中文幕一二区在线观| 久久精品国产综合久久久| 欧美中文日本在线观看视频| 亚洲最大成人手机在线| 亚洲狠狠婷婷综合久久图片| 色噜噜av男人的天堂激情| 欧美av亚洲av综合av国产av| 波多野结衣高清无吗| 亚洲精品在线美女| 一本综合久久免费| 夜夜躁狠狠躁天天躁| 高清在线国产一区| 久久伊人香网站| 中文字幕精品亚洲无线码一区| 国内毛片毛片毛片毛片毛片| 亚洲,欧美精品.| 一a级毛片在线观看| 欧美区成人在线视频| 成人永久免费在线观看视频| 久久久久精品国产欧美久久久| 亚洲av不卡在线观看| 国产精品久久视频播放| 欧美日韩乱码在线| 久久精品影院6| avwww免费| 欧美av亚洲av综合av国产av| 久久精品人妻少妇| 亚洲va日本ⅴa欧美va伊人久久| 波多野结衣巨乳人妻| 国产精品 欧美亚洲| 老司机午夜福利在线观看视频| 毛片女人毛片| 男插女下体视频免费在线播放| 国产精品嫩草影院av在线观看 | av在线蜜桃| 欧美不卡视频在线免费观看| 脱女人内裤的视频| 亚洲天堂国产精品一区在线| 老司机福利观看| 夜夜夜夜夜久久久久| 久久久久国内视频| 男女视频在线观看网站免费| 国产伦人伦偷精品视频| 麻豆国产97在线/欧美| 国产精品久久久久久精品电影| 婷婷精品国产亚洲av在线| 老汉色∧v一级毛片| av福利片在线观看| 老熟妇乱子伦视频在线观看| 国内精品一区二区在线观看| 久久久久国产精品人妻aⅴ院| 午夜免费男女啪啪视频观看 | 青草久久国产| 国产亚洲精品av在线| 国产 一区 欧美 日韩| 国产美女午夜福利| 啦啦啦免费观看视频1| 国产黄片美女视频| 成人鲁丝片一二三区免费| 麻豆成人午夜福利视频| 亚洲最大成人手机在线| 日本撒尿小便嘘嘘汇集6| 成人av在线播放网站| 久久天躁狠狠躁夜夜2o2o| 色播亚洲综合网| 亚洲黑人精品在线| 一个人观看的视频www高清免费观看| 露出奶头的视频| 99国产综合亚洲精品| 亚洲欧美日韩卡通动漫| 国产91精品成人一区二区三区| 美女大奶头视频| 亚洲成人久久性| 婷婷亚洲欧美| 看黄色毛片网站| 真实男女啪啪啪动态图| 国产高清videossex| 亚洲男人的天堂狠狠| 成人av在线播放网站| 免费观看的影片在线观看| av视频在线观看入口| 国产亚洲欧美在线一区二区| 深夜精品福利| av欧美777| 国产一区二区在线观看日韩 | 精品99又大又爽又粗少妇毛片 | 在线播放国产精品三级| av片东京热男人的天堂| 亚洲最大成人手机在线| 狂野欧美白嫩少妇大欣赏| 很黄的视频免费| 亚洲人成伊人成综合网2020| 禁无遮挡网站| 嫩草影院入口| 亚洲精华国产精华精| 久久久久国内视频| 成年人黄色毛片网站| 欧美日韩一级在线毛片| 亚洲成人久久爱视频| 欧美成狂野欧美在线观看| 久久久久久久精品吃奶| 丝袜美腿在线中文| 91久久精品国产一区二区成人 | 黄色女人牲交| 亚洲片人在线观看| 九色成人免费人妻av| 亚洲性夜色夜夜综合| 夜夜爽天天搞| 日韩高清综合在线| 男女视频在线观看网站免费| 国产一区二区三区在线臀色熟女| 欧美性猛交╳xxx乱大交人| 亚洲狠狠婷婷综合久久图片| 黄色视频,在线免费观看| 黄色视频,在线免费观看| 日本免费a在线| a在线观看视频网站| 日本 欧美在线| 午夜免费激情av| 成人av在线播放网站| 757午夜福利合集在线观看| 国产精品久久电影中文字幕| 免费观看精品视频网站| 免费看光身美女| 色老头精品视频在线观看| 又黄又爽又免费观看的视频| 又黄又粗又硬又大视频| 搞女人的毛片| 午夜免费男女啪啪视频观看 | 免费在线观看影片大全网站| 日韩精品中文字幕看吧| 两个人看的免费小视频| 亚洲第一电影网av| 国内久久婷婷六月综合欲色啪| 国内精品久久久久久久电影| 51国产日韩欧美| 老司机午夜福利在线观看视频| 色尼玛亚洲综合影院| 亚洲午夜理论影院| 少妇熟女aⅴ在线视频| 99久久九九国产精品国产免费| 国产精品99久久久久久久久| 国产毛片a区久久久久| av天堂中文字幕网| 一区二区三区高清视频在线| 中文字幕av成人在线电影| 久久久久久人人人人人| 日韩成人在线观看一区二区三区| 欧美成人性av电影在线观看| 国产淫片久久久久久久久 | 欧美精品啪啪一区二区三区| 国产高清视频在线播放一区| 18禁黄网站禁片免费观看直播| 在线十欧美十亚洲十日本专区| 2021天堂中文幕一二区在线观| 久久这里只有精品中国| 九色成人免费人妻av| 欧美一区二区亚洲| 日韩高清综合在线| 美女 人体艺术 gogo| 欧美日韩亚洲国产一区二区在线观看| 99精品久久久久人妻精品| 美女高潮的动态| 精品午夜福利视频在线观看一区| 国产在线精品亚洲第一网站| 午夜免费男女啪啪视频观看 | 成人无遮挡网站| 免费看十八禁软件| 嫁个100分男人电影在线观看| 午夜精品在线福利| 无人区码免费观看不卡| 国产精品亚洲av一区麻豆| 国产av一区在线观看免费| 欧美中文综合在线视频| 午夜精品一区二区三区免费看| 国产精品野战在线观看| 18+在线观看网站| 韩国av一区二区三区四区| 国产极品精品免费视频能看的| 国产极品精品免费视频能看的| 亚洲一区二区三区色噜噜| 国产男靠女视频免费网站| 欧美在线黄色| 精品乱码久久久久久99久播| 有码 亚洲区| av视频在线观看入口| 国产黄色小视频在线观看| 午夜老司机福利剧场| 级片在线观看| 少妇高潮的动态图| 久久婷婷人人爽人人干人人爱| 天美传媒精品一区二区| 欧美性猛交╳xxx乱大交人| www.www免费av| 国产日本99.免费观看| 国产久久久一区二区三区| 午夜视频国产福利| 免费无遮挡裸体视频| 成人国产一区最新在线观看| 久久国产乱子伦精品免费另类| 大型黄色视频在线免费观看| avwww免费| 听说在线观看完整版免费高清| 亚洲欧美日韩卡通动漫| 久久九九热精品免费| 一进一出抽搐动态| aaaaa片日本免费| 国产成人啪精品午夜网站| 国产高清三级在线| 欧美高清成人免费视频www| 91在线观看av| 亚洲精品一卡2卡三卡4卡5卡| 1000部很黄的大片| 伊人久久大香线蕉亚洲五| 男人舔女人下体高潮全视频| 黄片小视频在线播放| 天天添夜夜摸| 中亚洲国语对白在线视频| 一边摸一边抽搐一进一小说| 真人一进一出gif抽搐免费| 两人在一起打扑克的视频| 熟女少妇亚洲综合色aaa.| 啦啦啦观看免费观看视频高清| 人人妻人人看人人澡| 黄色成人免费大全| 国产视频一区二区在线看| 此物有八面人人有两片| 亚洲成人中文字幕在线播放| 日韩欧美一区二区三区在线观看| www.999成人在线观看| 老鸭窝网址在线观看| 色视频www国产| 高清在线国产一区| 白带黄色成豆腐渣| 亚洲人成网站在线播放欧美日韩| 欧美av亚洲av综合av国产av| 男女床上黄色一级片免费看| 欧美日韩乱码在线| 在线免费观看不下载黄p国产 | 成年人黄色毛片网站| 欧美成人性av电影在线观看| 成人av在线播放网站| 老司机福利观看| 精品久久久久久久人妻蜜臀av| 一区二区三区激情视频| 波多野结衣高清无吗| 久久精品国产清高在天天线| a级毛片a级免费在线| a在线观看视频网站| 91麻豆av在线| 成人永久免费在线观看视频| 91久久精品电影网| 亚洲av美国av| or卡值多少钱| 久久久色成人| 法律面前人人平等表现在哪些方面| 精品国内亚洲2022精品成人| 午夜视频国产福利| 精品一区二区三区视频在线观看免费| 国产不卡一卡二| 国产av不卡久久| 久久天躁狠狠躁夜夜2o2o| 一卡2卡三卡四卡精品乱码亚洲| 美女被艹到高潮喷水动态| 欧美三级亚洲精品| 亚洲成人中文字幕在线播放| 床上黄色一级片| 日韩亚洲欧美综合| 国产成人av激情在线播放| 免费av不卡在线播放| www.色视频.com| 久久6这里有精品| 国产成人欧美在线观看| 亚洲在线自拍视频| 国产亚洲精品久久久久久毛片| 久久精品国产清高在天天线| 亚洲狠狠婷婷综合久久图片| 欧美乱妇无乱码| 日韩欧美在线二视频| 亚洲一区二区三区不卡视频| 身体一侧抽搐| 美女高潮喷水抽搐中文字幕| 国产真实乱freesex| 免费在线观看日本一区| 成人av一区二区三区在线看| 草草在线视频免费看| 嫩草影院精品99| tocl精华| 高清在线国产一区| 在线观看免费视频日本深夜| 久久精品夜夜夜夜夜久久蜜豆| 99国产精品一区二区蜜桃av| 桃红色精品国产亚洲av| 欧美3d第一页| 成人永久免费在线观看视频| 亚洲乱码一区二区免费版| 琪琪午夜伦伦电影理论片6080| 午夜精品在线福利| 99久国产av精品| 又黄又粗又硬又大视频| 亚洲成人中文字幕在线播放| 欧美日韩乱码在线| 免费在线观看亚洲国产| 国内精品一区二区在线观看| 欧美bdsm另类| 一个人免费在线观看电影| 可以在线观看的亚洲视频| 亚洲av不卡在线观看| 在线观看舔阴道视频| 欧美日韩黄片免| 黄片小视频在线播放| 亚洲av免费高清在线观看| 亚洲av成人精品一区久久| 日韩成人在线观看一区二区三区| 国产精品久久久久久人妻精品电影| xxx96com| 无遮挡黄片免费观看| 久久久国产成人免费| 制服人妻中文乱码| 国产三级中文精品| 极品教师在线免费播放| 亚洲成人久久爱视频| 熟妇人妻久久中文字幕3abv| 一区福利在线观看| 亚洲av熟女| 丰满人妻熟妇乱又伦精品不卡| 我的老师免费观看完整版| 亚洲精品久久国产高清桃花| 精品久久久久久久人妻蜜臀av| 神马国产精品三级电影在线观看| 午夜亚洲福利在线播放| 久久国产精品人妻蜜桃| 久久欧美精品欧美久久欧美| 两性午夜刺激爽爽歪歪视频在线观看| 91麻豆精品激情在线观看国产| 中文字幕精品亚洲无线码一区| 99视频精品全部免费 在线| 国产成人福利小说| 午夜激情福利司机影院| 亚洲中文字幕日韩| 精品免费久久久久久久清纯| 黑人欧美特级aaaaaa片| 一级a爱片免费观看的视频| 桃红色精品国产亚洲av| 国产乱人伦免费视频| 国产精品,欧美在线| 国产淫片久久久久久久久 | 蜜桃亚洲精品一区二区三区| 午夜视频国产福利| 草草在线视频免费看| 三级毛片av免费| 国产精品99久久久久久久久| 国产精品免费一区二区三区在线| 亚洲成人久久爱视频| 又黄又爽又免费观看的视频| 亚洲18禁久久av| 亚洲av不卡在线观看| 精品一区二区三区人妻视频| 成人无遮挡网站| 在线播放无遮挡| 宅男免费午夜| 国产69精品久久久久777片| 婷婷精品国产亚洲av| 色综合站精品国产| 国产成人啪精品午夜网站| 人人妻,人人澡人人爽秒播| 在线观看一区二区三区| 成年女人永久免费观看视频| 成年人黄色毛片网站| 久久久久久久久中文| 男人舔女人下体高潮全视频| 精品久久久久久久末码| 可以在线观看毛片的网站| 日韩成人在线观看一区二区三区| 色播亚洲综合网| 日本在线视频免费播放| 国产免费一级a男人的天堂| 深夜精品福利| 美女 人体艺术 gogo| 国产精品国产高清国产av| 欧美黄色片欧美黄色片| 熟女人妻精品中文字幕| 久久精品国产亚洲av涩爱 | 国产乱人视频| 欧美一区二区亚洲| 国产高清videossex| 久久久久久人人人人人| 我要搜黄色片| av黄色大香蕉| 亚洲精品亚洲一区二区| 夜夜爽天天搞| 丁香六月欧美| 亚洲精品在线观看二区| 亚洲五月天丁香| 一级毛片高清免费大全| 精品久久久久久,| 最后的刺客免费高清国语| 中文字幕av在线有码专区| 色噜噜av男人的天堂激情| 性色avwww在线观看| 在线观看舔阴道视频| 久久这里只有精品中国| 日韩有码中文字幕| 欧美日韩瑟瑟在线播放| 亚洲熟妇中文字幕五十中出| 亚洲成a人片在线一区二区| 国产视频一区二区在线看| 亚洲内射少妇av| 女人被狂操c到高潮| 久久香蕉精品热| 国产精品自产拍在线观看55亚洲| 亚洲不卡免费看| 男人舔奶头视频| 最近最新中文字幕大全免费视频| 久久久精品大字幕| 91字幕亚洲| 色播亚洲综合网| 看片在线看免费视频| 老熟妇仑乱视频hdxx| 亚洲黑人精品在线| 国产色婷婷99| 无遮挡黄片免费观看| 国产亚洲av嫩草精品影院| 99热精品在线国产| 午夜a级毛片| 中亚洲国语对白在线视频| 一级毛片女人18水好多| 色在线成人网| 精品一区二区三区视频在线 | 岛国在线免费视频观看| 国产伦一二天堂av在线观看| 久久久成人免费电影| 国产单亲对白刺激| 精品国产亚洲在线| 观看美女的网站| 国产在线精品亚洲第一网站| 国产野战对白在线观看| 欧美成狂野欧美在线观看| 国产伦在线观看视频一区| 色吧在线观看| 亚洲一区高清亚洲精品| 欧美日韩黄片免| 免费人成视频x8x8入口观看| 国产精品野战在线观看| avwww免费| 欧美色欧美亚洲另类二区| 欧美精品啪啪一区二区三区| 99在线人妻在线中文字幕| 熟女少妇亚洲综合色aaa.| 午夜免费成人在线视频| 男插女下体视频免费在线播放| 久久久久免费精品人妻一区二区| 欧美黑人欧美精品刺激| 99久久综合精品五月天人人| 身体一侧抽搐| 天天添夜夜摸| 2021天堂中文幕一二区在线观| 18禁裸乳无遮挡免费网站照片| 一个人看视频在线观看www免费 | 老司机午夜福利在线观看视频| 此物有八面人人有两片| 久久性视频一级片| 一本综合久久免费| 久久久精品欧美日韩精品| 国产av一区在线观看免费| 国产一区二区在线观看日韩 | 99久久成人亚洲精品观看| www日本黄色视频网| 欧美黄色淫秽网站| 午夜福利高清视频| 国产亚洲av嫩草精品影院| 在线观看免费视频日本深夜| 制服丝袜大香蕉在线| 美女被艹到高潮喷水动态| 18禁国产床啪视频网站| www国产在线视频色| 久久欧美精品欧美久久欧美| 亚洲国产色片| 国产视频一区二区在线看| 亚洲av第一区精品v没综合| 久久久久免费精品人妻一区二区| 久久久久久久久大av| 国产精品永久免费网站| 成人三级黄色视频| 精品无人区乱码1区二区| 精品电影一区二区在线| 一本一本综合久久| 中文亚洲av片在线观看爽| 色精品久久人妻99蜜桃| 久久精品国产亚洲av涩爱 | 黄色片一级片一级黄色片| 少妇人妻精品综合一区二区 | 五月玫瑰六月丁香| 日韩欧美免费精品| 亚洲av中文字字幕乱码综合| 国产成年人精品一区二区| 真人一进一出gif抽搐免费| 国产亚洲精品久久久久久毛片| 天美传媒精品一区二区| 免费看光身美女| 最近最新免费中文字幕在线| 日本五十路高清| 99热这里只有精品一区| 90打野战视频偷拍视频| 中文亚洲av片在线观看爽| 99热6这里只有精品| 他把我摸到了高潮在线观看| 一本综合久久免费| 欧美乱妇无乱码| 色噜噜av男人的天堂激情| 成人一区二区视频在线观看| 欧美黑人巨大hd| 日韩精品青青久久久久久| 最新美女视频免费是黄的| 香蕉丝袜av| 12—13女人毛片做爰片一| 久久伊人香网站| 变态另类丝袜制服| 国产乱人伦免费视频| 国产视频内射|